https://hdl.handle.net/20.500.12008/26 Reúne las tesis de grado 2026-08-22T02:25:50Z https://hdl.handle.net/20.500.12008/56412 Título: Detección de preguntas equivalentes Autor: Fossemale, Camilo; Luna, Federico; Remersaro, Ignacio Resumen: En este proyecto se aborda la tarea de detección de preguntas equivalentes, dentro del área de Procesamiento de Lenguaje Natural. Dicha tarea consiste en determinar si dos preguntas dadas son semánticamente equivalentes. Para estudiar el problema, se consideraron preguntas con dominio en la Facultad de Ingeniería, y se implementó un prototipo que muestra cómo se puede utilizar el detector de preguntas equivalentes para responder a preguntas nuevas, ingresadas por estudiantes, de manera automática. Para abordar el problema, se generaron datos sintéticos a partir de consultas y datos reales, los cuales se utilizaron para desarrollar tres estrategias de solución de detección de equivalencias, siguiendo tres enfoques diferentes: considerando directamente la distancia entre sentence embeddings de las preguntas, utilizando arquitecturas de redes siamesas y utilizando modelos de lenguaje de gran escala para determinar la clasificación. El segundo enfoque propuesto, correspondiente a la segunda iteración de la arquitectura siamesa, fue el que obtuvo el mejor desempeño, alcanzando el mayor F1-Score entre todas las configuraciones evaluadas. Al evaluar el modelo sobre un conjunto de validación dentro del dominio específico, el rendimiento alcanzado fue cercano al obtenido por los anotadores humanos. 2026-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/56403 Título: Sistema de archivos paralelo para computación de alto desempeño Autor: Freire López, Santiago Resumen: Muchas aplicaciones de computación de alto desempeño (HPC) imponen una alta carga sobre el subsistema de almacenamiento de sus entornos de ejecución y en consecuencia el almacenamiento frecuentemente se convierte en el principal factor limitante del rendimiento. Los sistemas de archivos paralelos permiten separar cargas de datos y metadatos, distribuir los datos entre múltiples servidores de almacenamiento y atender accesos concurrentes de múltiples clientes en simultáneo, para así superar las limitaciones de los sistemas de archivos centralizados o exportados desde un único servidor. En este proyecto se estudiaron sistemas de archivos paralelos para entornos HPC y se realizó el despliegue y la evaluación experimental de uno de ellos sobre una infraestructura de hardware heterogéneo similar a la presente en el Centro Nacional de Supercomputación de Uruguay. A partir de una evaluación tecnológica de cuatro sistemas de archivos representativos (pNFS, CephFS, Lustre e IBM Storage Scale), se seleccionó Lustre por su adopción en centros de supercómputo, su carácter de código abierto y su soporte a distintos sistemas de archivos de base. El despliegue se realizó sobre cinco servidores y tres clientes interconectados por una red de 10 Gb/s y se evaluaron los dos sistemas de archivos de base soportados por Lustre, ldiskfs y ZFS (con y sin compresión). La evaluación combinó tres suites de benchmark (fio, IOR y MDTest), que midieron el rendimiento de datos y metadatos bajo patrones controlados, con tres aplicaciones reales. Dos aplicaciones fueron intensivas en entrada/salida (E/S): la preparación de un conjunto de datos para el entrenamiento de un modelo subrogado DeepONet y el procesamiento de registros de viajes del transporte público de Montevideo. La tercera aplicación, intensiva en cómputo, fue la calibración paramétrica del modelo agronómico DayCent. El comportamiento de entrada y salida de las aplicaciones intensivas en E/S se caracterizó mediante rastreo dinámico con la herramienta bpftrace, se comparó el rendimiento del sistema de archivos paralelo con el del acceso vía Network File System (NFS) y, para separar el efecto del paralelismo del efecto de la heterogeneidad del hardware, se introdujo una ponderación de los tiempos de ejecución según el rendimiento relativo de los objetivos de almacenamiento de objetos (OST) utilizados. Los resultados mostraron que el número de OST fue el parámetro más influyente en el rendimiento de las aplicaciones intensivas en E/S, con la mayor parte de la mejora concentrada al escalar de uno a tres OST; en la aplicación dominada por el cómputo, en cambio, ni el número de OST ni la configuración de Lustre tuvieron un efecto apreciable. El sistema de archivos de base ZFS con compresión LZ4 superó a ldiskfs en las aplicaciones intensivas en E/S y resultó en tiempos de ejecución más estables, aunque el beneficio de la compresión dependió de la compresibilidad de los datos. El sistema de archivos ldiskfs mostró mayor rendimiento que ZFS en las operaciones de metadatos. La comparación con NFS resultó dependiente del perfil de cada aplicación: el sistema de archivos paralelo superó al acceso vía NFS solo en parte de los escenarios evaluados. Además, el reparto equitativo de los datos entre OST de rendimiento distinto provocó que el OST más lento limitara el rendimiento del conjunto, lo que sugiere estrategias de distribución ponderada como línea de trabajo futuro. 2026-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/56402 Título: Enrutamiento basado en aprendizaje por refuerzo profundo Autor: Pérez Curbelo, Santiago Resumen: El presente documento tiene como objetivo estudiar el enrutamiento basado en aprendizaje por refuerzo profundo, con el propósito de analizar su aplicabilidad en la optimización del tráfico en redes de datos. Los avances recientes en aprendizaje por refuerzo profundo (DRL, Deep Reinforcement Learning) han mostrado un gran potencial para resolver problemas de toma de decisiones y control automatizado, lo que ha motivado su aplicación en distintas áreas, incluyendo la optimización de enrutamiento. Sin embargo, se ha constatado que las propuestas existentes no siempre logran superar el rendimiento de las técnicas de enrutamiento tradicionales, por lo que resulta necesario estudiar sus ventajas, limitaciones y condiciones de aplicación. Este trabajo aborda los fundamentos teóricos necesarios para comprender el problema, incluyendo los aspectos de la arquitectura de Internet relacionados con el enrutamiento, la capa de red, los algoritmos de enrutamiento clásicos y los paradigmas de redes definidas por software (SDN, Software-Defined Networking) y redes definidas por conocimiento (KDN, Knowledge-Defined Networking). Además, se presentan los conceptos principales del aprendizaje por refuerzo y del aprendizaje por refuerzo profundo, junto con el análisis de entornos de simulación orientados a la evaluación de algoritmos de enrutamiento, como PackeRL y RouterRL. A partir de este análisis, PackeRL se selecciona como entorno experimental para la implementación y evaluación de los agentes. Como aporte principal del trabajo, se desarrollan y evalúan distintos agentes de DRL para la optimización del enrutamiento, incluyendo DQN, DDQN, SARSA, PPO, GNN-DQN yWeightedSP-PPO (WSP-PPO). Para ello, se consideran dos enfoques de enrutamiento diferentes. El primero consiste en modificar de forma secuencial decisiones de siguiente salto en la tabla de enrutamiento, partiendo de una política inicial basada en caminos más cortos. El segundo enfoque se basa en modificar los pesos de los enlaces de la red y recalcular, a partir de ellos, una nueva tabla de enrutamiento mediante el algoritmo de caminos más cortos. Los agentes son evaluados en topologías reales ampliamente utilizadas en la literatura, como Abilene y GéANT, junto con matrices de tráfico reales, con el objetivo de considerar escenarios de evaluación más representativos. En estos experimentos, las políticas generadas por los agentes se comparan contra una política de referencia basada en caminos más cortos, utilizando como peso el retardo de los enlaces. Los resultados obtenidos permiten comparar el desempeño de los agentes frente a soluciones tradicionales, considerando métricas como bytes recibidos, pérdida de paquetes y retardo. A partir de este análisis, se identifican el potencial de los enfoques basados en DRL para la optimización del enrutamiento y sus principales desafíos: la formulación del enrutamiento como un problema de aprendizaje por refuerzo, la escalabilidad a redes de mayor tamaño y la capacidad de generalización ante escenarios de tráfico no observados durante el entrenamiento. 2026-01-01T00:00:00Z https://hdl.handle.net/20.500.12008/56401 Título: ProjectHub : una herramienta para la gestión de proyectos basada en valor ganado Autor: Delgado, María Pía; Martínez, Federico; Tourn, Federico Resumen: El seguimiento y control de proyectos de software requiere contar con información confiable que permita evaluar el avance real de los proyectos, detectar desvíos y apoyar la toma de decisiones. En este contexto, la técnica de Valor Ganado constituye una alternativa para integrar planificación, seguimiento y análisis del desempeño de los proyectos. Sin embargo, las herramientas existentes no siempre se ajustan a las necesidades específicas de cada organización, tanto desde el punto de vista funcional como de experiencia de usuario. Este proyecto surge a partir del interés de Pyxis, empresa uruguaya de desarrollo de software, en contar con una herramienta adaptada a su contexto organizacional. Como referencia conceptual se tomó la herramienta Process Dashboard, de la cual se identificaron oportunidades de mejora relacionadas con la experiencia de usuario, la adaptación a las necesidades de la organización y la incorporación de funcionalidades específicas para el seguimiento de proyectos. El objetivo principal fue desarrollar una aplicación web multiusuario y multiproyecto que permita gestionar proyectos de software utilizando la técnica de Valor Ganado, brindando soporte a la planificación, el seguimiento del avance, la gestión de la capacidad de los equipos y la visualización de métricas en tiempo real. Adicionalmente, el proyecto se planteó como una oportunidad para recorrer integralmente las distintas etapas de la Ingeniería de Software en el contexto de un producto real desarrollado en colaboración con la industria, analizando tanto los resultados obtenidos como el proceso seguido. El desarrollo se organizó en dos liberaciones incrementales siguiendo un proceso ágil. A lo largo del proyecto se realizaron actividades de relevamiento y validación de requisitos, diseño arquitectónico, implementación, despliegue en infraestructura de nube y testing. La participación activa de Pyxis permitió validar continuamente el producto mediante el intercambio con profesionales especializados en UX/UI, arquitectura de software e infraestructura. Además, una vez disponible una versión estable de la aplicación, esta comenzó a utilizarse por el equipo y por la organización. Como resultado, se desarrolló una herramienta web que permite gestionar proyectos utilizando métricas de Valor Ganado, administrar equipos y calendarios de trabajo, registrar esfuerzo y visualizar indicadores de seguimiento y proyecciones de finalización. La solución fue desplegada en la infraestructura de Pyxis y validada junto a sus usuarios. Asimismo, el proyecto permitió analizar los beneficios y desafíos del trabajo conjunto entre academia e industria, destacando el valor de la retroalimentación continua, la participación de especialistas y la validación del producto durante su construcción. 2026-01-01T00:00:00Z